Project

모델 성능 평가 본 프로젝트에서는 분류 모델에서 많이 사용되는 AUROC 평가 지표를 사용해 학습이 완료된 모델의 성능을 평가했다. AUROC에 대해 설명하려면 ROC Curve에 대해 알아야 한다. ROC 곡선 임계값을 변경해가며 데이터에 대한 이진분류기의 성능을 하나의 그래프로 표시한 것으로 각 X, Y축은 아래와 같다. X축 : 실제 정상 데이터를 이상 데이터로 예측한 비율 FPR(False Positive Rate) Y축 : 이상 데이터를 이상 데이터로 정확하게 예측한 비율 TPR(True positive rate) 출처 : https://www.google.com/url?sa=i&url=https%3A%2F%2Fbioinformaticsandme.tistory.com%2F328&psig=AOvV..

LSTM AE 모델 구성 본 프로젝트에서 구현한 LSTM AE 모델의 2개의 인코더 계층과 디코더 계층으로 구성했다. 계층 별 은닉층 개수 최종 모델 구성 학습 파라미터 - Optimizer : Adam - Activation Function : relu - Loss Function : MSE - Batch Size : 32 - Epochs : Keras의 EarlyStopping Callback 함수 학습 과정 본 연구는 Geforce RTX 2080 GPU 환경에서 수행되었으며, Keras 2.3 버전 기반으로 학습되었다. 1) 정상 데이터인 훈련 데이터로 모델을 학습시킨다. 2) 검증 손실값이 5회 이상 감소하지 않는다면 학습을 종료함. 3) 학습이 종료되면 시각화하여 결과를 확인한다. 임계값(Th..

데이터 셋 본 시리즈에서 사용하는 데이터 셋은 19년도에 인하공업전문대학교 실험실에서 취득한 에스컬레이터 모형의 체인 소음 데이터를 사용한다. 데이터 셋 상세 내용 데이터 형태 : 1열짜리 소음 데이터 (엑셀 파일) 샘플링 레이트 : 20Khz 데이터 양 : 1,200만개 (약 10분동안 취득) 레이블 : 정상 데이터 / 감속기 기어의 이(Tooth)가 1개 빠진 상태에서 취득한 이상 소음 (검증 / 테스트 시에만 사용) 에스컬레이터 모형 엑셀 형태의 데이터 전처리 방법 실제 구현된 코드를 보기 전 로우 데이터를 LSTM AE 네트워크의 입력데이터로 만들기 위한 세가지 전처리 과정을 소개한다. 데이터 형태 변환 로우 데이터는 1,200만 개의 1열짜리 형태로 이루어져 있는데, 1초 동안 들어온 소음 데이..

개요 대부분의 설비(에스컬레이터, 승강기 등)의 고장은 경제적 손실을 불러일으키고 치명적인 인명 피해를 발생시킬 수 있다. 그렇기 때문에 설비의 고장을 사전에 막는 것은 매우 중요한 문제이다. 설비의 고장을 막기 위한 방법으로 주기적인 점검, 통계 기법을 사용한 이상 탐지, 인공지능을 사용한 이상탐지 등 여러 방법이 있는데, 그 중 인공지능 중 딥러닝 기법을 사용한 설비의 이상탐지(Anomaly Detection) 방법을 다뤄보고자 한다. 이상 탐지란 ? 이상 탐지는 설비의 데이터를 통해 이상 패턴(이상징후), 개체 등을 찾아내는 것을 의미한다. 아래와 같은 시계열 데이터가 발생하는 설비에서 특정 부품의 이상이 발생하게 되면 그림의 오른쪽 부분과 같이 이상 패턴을 발생하게 되는데, 이런 이상 패턴을 즉각..